据台湾媒体报道，研究人员使用了生成对抗网络来合成和绘制假指纹。在小范围内的指纹识别，分辨率差的应用程序和指纹比较的安全级别下，伪造的指纹可以被伪造并作为真实指纹传递。识别机制。指纹识别被广泛用于安全保护，从访问控制系统和电子支付到解锁手机。使用指纹识别的安全设备需要用户的指纹，因此被认为比密码更安全。但是研究人员现在已经开发出了由人工智能绘制的假指纹，这些假指纹成功地欺骗了指纹识别系统。在某些设备（例如智能电话）上，由于空间不足，通常仅使用小型指纹识别传感器。而且这种类型的传感器不需要完整的指纹，而只需要指纹的一小部分。这使得单个手指的指纹的一部分可能被误识别或仅与其他手指的指纹的一部分匹配。这是纽约大学Tanton信息技术系的名叫MasterPrint的研究员Aditi Roy发现的指纹识别问题。研究人员开发的MasterPrints是一组真实或合成指纹，它们可能恰好与大量真实指纹相吻合，可以用于指纹字典攻击。罗伊（Roy）等人。在最新发表的研究中，以此为基础开发了DeepMasterPrints伪造指纹系统。先前的研究没有生成任何指纹图像，但DeepMasterPrints是绘制人类指纹的图像。最新的研究正在试验生产深原版印刷品的方法。研究人员首先用真实的指纹图像训练通用对抗网络（GeneraTIve Adversarial Network），然后对其进行训练以生成指纹图像。然后他们使用了一种称为“潜在变量演化”的方法。 （潜在变量演化）以搜索生成网络的潜在输入变量，以最大程度地提高指纹匹配的可能性。研究人员说，这是第一项可以产生类似图像的合成指纹的研究。使用小面积指纹传感器和分辨率较差的应用程序，它可以提高模拟真实指纹的可能性。最后，研究人员将AI系统产生的Deep Master Prints与美国国家标准技术研究院（NIST）的真人指纹数据库和传感器收集的指纹数据库进行了比较，结果为0.01％和0.1％。 ％和1％由指纹识别软件在三种安全级别设置下进行了测试。结果表明，假匹配率为0.1％时，可以模仿23％的样本，如果将假匹配率降低为1％，则假指纹将可以假冒77％的样本。研究人员说，这项研究的结果有望被广泛用于加强指纹识别安全系统，或通过指纹合成来破解。